条件信息熵

利用Spark计算CMIM、MRMR、MIFS等方法的开源库已经相当成熟。作者在仿照Spark MLlib库的特征选择功能基础上，扩展了支持系统信息熵和条件熵计算的方法。需要具体结果时，可直接调用ml.feature中相应的方法。

MATLAB提供高效便捷的函数，用于计算信息熵，量化数据的不确定性。

该方法利用粗糙集理论处理不确定信息，通过计算条件信息熵来量化属性重要性，进而确定权重。

影像学检查质量的代码工具还挺实用的，适合你如果在搞神经影像、MRtrix3、MATLAB 这些方向。它的亮点是用了基于熵的方法来过滤断层扫描图像，比传统的 FA 和 FOD 方法多了点新意，也能补充一些信息。 工具里用的熵算法是由 Méghane DECROOCQ 开发的，结合了 MRtrix3 和 MATLAB 做了完整流程。输入数据也不麻烦，直接给了 8 个患者的数据，每个有 9 条神经的数据可以对比，比如像三叉神经、动眼神经这些。 想尝试这个工具，可以顺便看看跟它相关的一些资源，像信息熵的计算、图像、TOPSIS 综合评价这些也都比较对口。数据是现成的，格式清晰，变量名也比较好懂，用 R

粗糙集理论用于SOIS中属性约简。通过信息论视角，引入信息熵和相对信息量。基于信息熵定义属性约简，并提出减价算法。示例说明方法有效性。

信息熵的特征提取程序，挺适合搞信号或者图像的你用来做后续实验优化的。用的是小波变换，配合连续特征提取，对一些微小信号变化的捕捉还挺灵敏，图像细节也不错。下载之后直接跑下试试看，响应也快，结构也清晰，能省不少时间。 小波变换的特征提取，在图像、信号场景下都比较吃香。比如说你在做指纹识别，那些纹理细节靠这个就能提得更准。如果你是搞MATLAB的，那就更熟门熟路了，多相关资源都能直接上手。 推荐你顺带看看这些相关链接，内容都蛮有料的： MATLAB 图像中的区域特征提取技术 图像中的小波变换技术 Matlab 图像程序合集：直方图、特征提取与图像分割 多信号小波变换分解在特征提取中

方法概述 该方法融合信息熵和TOPSIS法进行综合评价。首先，利用信息熵计算指标权重，客观反映指标信息量；随后，应用TOPSIS法，基于指标权重计算综合得分，对评价对象进行排序。 步骤 数据标准化处理 计算信息熵 确定指标权重 计算各方案与理想解的距离 计算综合得分 排序 优势 客观性：权重由数据自身决定，避免主观因素影响 综合性：考虑指标信息量和方案与理想解的距离 可操作性：步骤清晰，易于实现

详细介绍了信息熵的定义及其计算方法，以及互信息的概念和计算方式，并提供了使用Matlab实现的示例。

介绍了如何利用Matlab绘制二进制信息熵的方法，附带原始代码和运行截图。

信息熵是粒计算理论中用于度量不确定信息的重要工具之一。现有的异常数据挖掘算法多集中于处理确定性的异常数据。然而，关于使用信息熵来度量不确定性数据以实现异常数据挖掘的研究相对较少。基于此，在引入信息熵概念的基础上，定义了基于信息熵的异常度，用以衡量数据之间的异常程度，并提出了一种基于信息熵的异常数据挖掘算法。该算法能够高效地进行异常数据的挖掘。理论分析和实验结果均证明了该算法的有效性和可行性。